DIOPI-设备无关算子接口（Device-Independent Operator Interface, DIOPI）在框架和芯片计算库之间定义了统一的标准接口。 旨在训练框架和人工智能芯片之间定义了一套计算契约，良好的函数抽象使得上（框架）下（芯片）两层在适配工程实施时能有效地解耦。 基于这套契约训练框架和人工智能芯片可以独立开发，并将下层芯片适配的工作复用到不同的训练框架适配中去，可降低芯片+框架的适配成本，保障算子实现正确性。
其主要的核心功能如下：
- 提供300+个标准算子接口，包含LLaMa大模型算子接口。涵盖了大模型、分类、检测、分割及姿态估计等多个领域深度学习模型所需训练算子。
- 提供统一的标准算子接口，接入7款硬件芯片。是训练框架和硬件芯片的“桥梁”，降低训练框架和硬件芯片之间的适配成本，创造更好的国产训练生态。
- 提供标准测试套件，支持11000+个常见算子测例，为硬件芯片实现的算子库提供调试验证功能。
DIOPI主要包含以下几个组件：
- proto：声明了一套运行时函数接口(diopirt)和标准算子接口(function)。
- impl：对接硬件芯片。硬件厂商可在其中使用硬件软件栈提供的计算接口，实现算子功能。其使用
proto/include/diopi/diopirt.h提供的接口实现proto/include/diopi/functions.h声明的标准算子, 并编译为libdiopi_impl.so动态库。 - diopi_test：用于保证算子功能正确性。实现
proto/include/diopi/diopirt.h声明基础运行时函数，并调用libdiopi_impl.so进行测试验证。 - adaptor：用于提供辅助功能函数。目前提供的功能包括自动类型转换、内存分布转换等。
如需在硬件芯片中进行计算接口算子实现，可进行以下步骤（具体参考 README）。
- 在设备相关目录下提供相应的编译文件，通过脚本进行编译, 以cuda为例：
或者参考以下命令示例编译 impl：
cd impl && sh scripts/build_impl.sh torchcd impl && mkdir build && cd build && cmake .. -DIMPL_OPT=torch && make -j32
- 进入python目录，生成基准数据(需准备 nv 机器和 pytorch2.0 环境)
如需指定模型：
cd python && python main.py --mode gen_data其中支持的模型名和对应的算子可以通过如下命令获得：python main.py --mode gen_data --model_name xxx如果想只生成某一个算子的测例可以使用如下命令, 以add系列的算子为例：python main.py --get_model_listpython main.py --mode gen_data --fname add
-
将生成的基准数据拷贝到芯片机器上，执行以下命令验证算子：
python main.py --mode gen_case # 生成pytest测例 python main.py --mode run_test # 执行测试如需指定模型，以resnet50为例（需要生成resnet50基准数据）：
python main.py --mode gen_case --model_name resnet50 python main.py --mode run_test --model_name resnet50如需指定某个算子， 以add为例：
python main.py --mode gen_case --fname add python main.py --mode run_test如需过滤不支持的数据类型以及部分测试使用nhwc格式张量(如跳过float64以及int64测例)：
python main.py --mode gen_case --nhwc python main.py --mode run_test --filter_dtype float64 int64可以查看diopi_test Readme 了解更详细的设置
-
验证结果分析
collecting ... collected 1 items gencases/diopi_case/test_diopi_add_add.py::TestMdiopiSaddFadd::test_add_0 PASSED [100%]如需输出HTML格式报告：
pip install pytest-testreport python main.py --mode run_test --html_report
组件介绍
其他文档